nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

21861_zh-CN

liliconcom

使用JMP®Pro11进行最终筛选设计的建模和分析策略

Philip J. Ramsey，博士，North Haven集团所有者，新罕布什尔大学教授
Mia L. Stephens，JMP学术大使，SAS

Jones和Nachtscheim（2011）介绍了一种新型的高效实验设计，称为最终筛选设计DSDs。设计的独特之处在于，实验中的所有因素都有三个等级（允许二次效应的潜在估计），主效应是正交的，没有混叠，没有双因素相互作用或二次效应与另一个效应完全混淆;所有这一切只需2K + 1次K因子试验。尽管DSD开始在工业中被采用，特别是在生物技术中，但它们确实为实验者提供了分析方面的独特机会和挑战。在本次演讲中，我们将讨论可在JMP 11中轻松实现的DSD的各种建模策略，并将提供生物技术实验的几个示例。所讨论的方法包括：对使用AICc和BIC选择的模型子集进行预测平均;模型平均估计完整二次模型;我们称之为基于帕累托的建模的新技术;和LASSO，JMP Pro 11中的惩罚性回归技术。将使用基于实际示例构建的模型来比较所有方法，并且将讨论关于使用各种方法的建议。